自动驾驶：从硬件堆叠迈向大模型较量
回望2026年，自动驾驶行业的发展轨迹展现出一种鲜明的转变。在几年前，各大车企在发布会上争相展示所搭载的激光雷达数量和芯片的算力数值。然而，如今的讨论焦点已从硬件规格转向了大模型的较量。这种变化并非意味着硬件不再重要，而是行业认识到，仅通过增加传感器和算力，无法让车辆真正拥有类人的驾驶能力。
传感器为何不再是核心？
早期的自动驾驶系统高度依赖硬件的感知能力。车企试图通过高清摄像头、超声波雷达以及激光雷达，将周围环境中的每一个细节都精确捕捉并标注。当时的开发逻辑认为，只要车辆看得足够清晰、足够远，就能有效规避障碍物，硬件配置也就成为了衡量智能水平的关键指标。
然而，随着城市NOA（导航辅助驾驶）需求的提升，自动驾驶技术逐渐遇到了瓶颈。即便传感器采集到大量数据，车辆在面对突发状况时依旧表现出局限性。例如，施工现场的临时红绿灯、横穿马路的宠物狗，或者因积水而产生的路面倒影，这类场景对传统程序来说极难处理，且其数量几乎无限。
这一现象揭示了一个核心问题——传统自动驾驶依赖的是人工编写的规则体系。传感器虽能识别障碍物，但决策层在面对未曾预设的特殊情况时却难以作出合理判断。这也促使行业意识到，仅靠硬件升级并不能解决根本问题，唯有重构系统的思考方式，即从规则驱动转向大模型驱动，才能实现突破。
自动驾驶从“选择题”迈向“直觉反应”
早期的自动驾驶系统像是在解答选择题——传感器识别出前方障碍物后，系统便会查找预设规则。比如，如果识别到的是行人，便采取刹车；若只是塑料袋，则继续前进。但当遭遇不确定的物体时，系统往往会陷入犹豫甚至失效。而如今，借助端到端架构的大模型，整个逻辑发生了根本变化。
图片源自：网络
端到端架构直接将摄像头拍摄的图像输入到一个庞大的神经网络中，并由网络直接输出方向盘转向角度和油门控制量。它不再依赖中间的人工规则，而是通过学习数千万小时的人类驾驶录像，模拟出类似人类驾驶员的驾驶习惯。这种学习方式更像是一种“身体记忆”的形成，比如孩童学习骑自行车的过程。以小鹏汽车为例，其第二代VLA大模型已在2026年第一季度实现量产搭载，首次实现了从视觉输入到动作输出的端到端直接生成，并应用于P7+、G7、X9等Ultra系列车型。
如今，智能汽车在处理复杂路况时的表现更加自然流畅。例如，在狭窄小巷与对向车辆会车时，系统不再机械地停在路中央，而是会根据对方车辆的动态，主动调整位置，甚至通过细微的车头角度变化与对方进行“沟通”。这种拟人化的驾驶风格，是单纯堆叠硬件无法实现的，必须依赖大模型的深度学习能力。
市场趋势也印证了这一点。以智能化方案商Momenta为例，其智能驾驶方案的搭载量在2025至2026年间从近30万辆跃升至逾80万辆，即便包括奔驰、宝马、奥迪等豪华品牌的车型，新增10万辆的交付周期也缩短至不足40天，显示出行业对大模型技术的高度认可。
世界模型为何是未来核心？
到了2026年，自动驾驶技术的较量已进入世界模型阶段。这一模型赋予车辆的不仅是对当前环境的感知，还包括对未来的预测能力。与传统硬件堆叠不同，大模型具备空间想象力。例如，当车辆行驶在被大货车遮挡视线的道路上时，世界模型能够通过现有信息补全盲区场景，从而预判可能从侧后方出现的非机动车。
这种能力进一步降低了对硬件精度的依赖。大模型具备强大的纠错和补全功能，不再需要激光雷达对每一厘米距离进行精准测绘。即便在雨雪天气或摄像头视线受限时，也能依赖对物理规律的理解，推断出道路的延伸方向和潜在风险。
目前，多家车企已将世界模型技术推向量产阶段。理想汽车在GTC大会上发布了基于隐世界模型的MindVLA-o1，蔚来2026款乐道L90则搭载了自研5nm芯片神玑NX9031及蔚来世界模型，并以17.98万元起售价将该技术带入主流市场。而上汽大众在北京车展上发布的ID.ERA 9X，更是全球首发搭载Momenta R7强化学习世界模型，标志着物理AI进入量产阶段。
这也解释了为何车企不再单纯追求算力数值。过去，TOPS值越高越好，而现在更关注算力的利用率和模型的进化速度。一个优化良好的端到端大模型，在同等硬件条件下，能够展现出远超传统系统的流畅性与适应性。硬件如今更像是模型的感官和执行层，而真正的“大脑”是那个具备人类驾驶理解能力的神经网络。
转变带来了哪些影响？
从硬件向大模型的过渡，不仅降低了自动驾驶的进入门槛，也提升了技术天花板。由于不再过度依赖高成本传感器和高算力芯片，智能驾驶系统的硬件成本显著下降，意味着更多普通车型也能享受到高水平的自动驾驶体验。
以地平线最新推出的方案为例，其可使单车成本降低1500至4000元，推动高阶智能驾驶配置向10万至20万元的主流车型快速普及。截至2026年一季度，售价在10万至15万元区间内具备NOA功能的量产车型已突破70款，智能驾驶正逐渐实现“平权化”。
此外，自动驾驶的学习速度也呈现出指数级增长。在硬件主导的时期，每次系统升级都需要工程师手动修改代码，解决一个问题可能耗费数月。而如今，只要输入高质量的驾驶数据，大模型便可在几天内学会处理新场景，例如应对新的交通规则或特殊气候条件。这种自学习、自进化的能力，使得自动驾驶不再局限于实验室，而成为具备全球适应性的成熟产品。
迈向真正的智能驾驶
从硬件堆叠到大模型较量的转变，本质上是思维方式的跃迁。想要复制人类的驾驶能力，不能只给机器装上“好眼睛”，更要赋予其“好大脑”。这种从感知到思考能力的升级，标志着自动驾驶技术正从机械化的初级阶段迈向真正的智能化时代。
-- END --
原文标题：自动驾驶正从硬件堆料转到大模型比拼？